期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于大核重参U-Net的遥感影像变化检测
1
作者
吴潮宇
杨斌
《计算机工程》
北大核心
2025年第3期261-273,共13页
针对现有变化检测方法在处理高精度遥感影像时存在漏检、误检及边缘检测效果差等问题,提出了一种基于大核重参U-Net的遥感影像变化检测方法,简称RepU-Net-CD。该方法以U-Net为骨干网络,在编码端用大核重参模块代替单卷积核结构进行特征...
针对现有变化检测方法在处理高精度遥感影像时存在漏检、误检及边缘检测效果差等问题,提出了一种基于大核重参U-Net的遥感影像变化检测方法,简称RepU-Net-CD。该方法以U-Net为骨干网络,在编码端用大核重参模块代替单卷积核结构进行特征提取,实现注意力机制的全局感受野。同时,该方法利用重参技术将小核融合进大核结构中辅助训练,使网络保留捕获小感受野中细节特征的能力,从而生成多尺度特征,提高变化检测精度。在网络解码端将不同时相的特征图进行融合,得到特征差分图,再通过跳跃连接和上采样得到变化特征图,最后利用特征边缘增强模块提高网络对特征图的边缘信息关注度,进一步提高检测精度后,生成变化结果。此外,针对数据集客观存在的正负训练样本不平衡问题,采用有更高鲁棒性的混合损失函数进行网络训练。本文方法在LEVIR-CD和WHU-CD两个主流的公开数据集上进行实验验证,并与其他最新的遥感变化检测方法进行了对比。实验结果表明本文方法在许多评估指标上有显著改进,这两个数据集上的F1值分别提高到91.71%和92.60%,交并比(IoU)分别提高到84.69%和86.20%。
展开更多
关键词
变
化
检测
结构重参化
边缘增强
遥感影像
U-Net
在线阅读
下载PDF
职称材料
基于优化RetinaNet的自适应特征融合的轻量化目标检测方法
2
作者
张立国
季鑫烨
+2 位作者
章玉鹏
耿星硕
张升
《计量学报》
CSCD
北大核心
2024年第11期1665-1670,共6页
针对目标检测算法中计算量大、模型复杂等问题,造成在嵌入式平台计算资源有限的应用场景下难以部署的现象,提出一种基于优化RetinaNet的自适应特征融合的轻量化目标检测方法。提出的算法参考了GhostNet中的Ghost Module模块以减少模型...
针对目标检测算法中计算量大、模型复杂等问题,造成在嵌入式平台计算资源有限的应用场景下难以部署的现象,提出一种基于优化RetinaNet的自适应特征融合的轻量化目标检测方法。提出的算法参考了GhostNet中的Ghost Module模块以减少模型参数量。通过一种空间特征融合机制,提高特征的尺度不变性。融合了结构重参化的思想,增加训练深度,实现多分支训练,单分支推理,更好地提升模型的推理性能。提出的方法在PASCAL VOC2007和COCO两种常用的目标检测数据集上进行评估,平均精度为54.1%,优于RetinaNet的平均精度,实验结果表明,提出的方法推理时所占的内存为170.71MByte,是RetinaNet所占内存的44.27%,表明提出的算法在保证精度的前提下极大提高网络的推理速度。
展开更多
关键词
机器视觉
目标检测
优
化
RetinaNet
特征融合
轻量
化
结构重参化
在线阅读
下载PDF
职称材料
改进YOLOv5的轻量化红外交通目标检测
被引量：
3
3
作者
邓楷文
葛晨阳
《计算机工程与应用》
CSCD
北大核心
2023年第12期184-192,共9页
针对如何提高在复杂场景下红外目标检测性能以及如何平衡算法的轻量化与精确度等问题,提出了一种基于YOLOv5的轻量化红外目标检测算法。该算法设计一种融合并行卷积的Ghost特征提取模块,利用结构重参化的思想,在推理时将模型简化,降低...
针对如何提高在复杂场景下红外目标检测性能以及如何平衡算法的轻量化与精确度等问题,提出了一种基于YOLOv5的轻量化红外目标检测算法。该算法设计一种融合并行卷积的Ghost特征提取模块,利用结构重参化的思想,在推理时将模型简化,降低模型的复杂度且加快推理速度;同时对网络进行剪枝,增加了小目标检测层,提高了模型对复杂场景的检测性能;在特征融合模块设计了一种混洗Ghost模块,将Ghost特征和标准卷积特征进行混洗,尽可能减少Ghost特征对网络性能的负面影响;设计了一个解耦检测头模块,将分类与检测任务进行分解,提高了网络在复杂环境下的定位检测能力。实验结果表明,与YOLOv5s相比,提出的算法mAP提高了4.7个百分点,参数量降低了42.7%,推理延时减少了8.5%,能够在检测性能和轻量化上达到理想平衡。
展开更多
关键词
红外目标检测
YOLOv5
幽灵网络
结构重参化
在线阅读
下载PDF
职称材料
题名
基于大核重参U-Net的遥感影像变化检测
1
作者
吴潮宇
杨斌
机构
南华大学电气工程学院
出处
《计算机工程》
北大核心
2025年第3期261-273,共13页
基金
国家自然科学基金面上项目(61871210)。
文摘
针对现有变化检测方法在处理高精度遥感影像时存在漏检、误检及边缘检测效果差等问题,提出了一种基于大核重参U-Net的遥感影像变化检测方法,简称RepU-Net-CD。该方法以U-Net为骨干网络,在编码端用大核重参模块代替单卷积核结构进行特征提取,实现注意力机制的全局感受野。同时,该方法利用重参技术将小核融合进大核结构中辅助训练,使网络保留捕获小感受野中细节特征的能力,从而生成多尺度特征,提高变化检测精度。在网络解码端将不同时相的特征图进行融合,得到特征差分图,再通过跳跃连接和上采样得到变化特征图,最后利用特征边缘增强模块提高网络对特征图的边缘信息关注度,进一步提高检测精度后,生成变化结果。此外,针对数据集客观存在的正负训练样本不平衡问题,采用有更高鲁棒性的混合损失函数进行网络训练。本文方法在LEVIR-CD和WHU-CD两个主流的公开数据集上进行实验验证,并与其他最新的遥感变化检测方法进行了对比。实验结果表明本文方法在许多评估指标上有显著改进,这两个数据集上的F1值分别提高到91.71%和92.60%,交并比(IoU)分别提高到84.69%和86.20%。
关键词
变
化
检测
结构重参化
边缘增强
遥感影像
U-Net
Keywords
change detection
structure re-parameters
edge enhancement
remote sensing image
U-Net
分类号
TP393 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于优化RetinaNet的自适应特征融合的轻量化目标检测方法
2
作者
张立国
季鑫烨
章玉鹏
耿星硕
张升
机构
燕山大学河北省测试计量技术与仪器重点实验室
燕山大学电气工程学院
出处
《计量学报》
CSCD
北大核心
2024年第11期1665-1670,共6页
基金
国家重点研发计划(2020YFB1711000)
河北省科学技术研究与发展计划科技支撑计划项目(20310302D)
河北省中央引导地方专项(199477141G)。
文摘
针对目标检测算法中计算量大、模型复杂等问题,造成在嵌入式平台计算资源有限的应用场景下难以部署的现象,提出一种基于优化RetinaNet的自适应特征融合的轻量化目标检测方法。提出的算法参考了GhostNet中的Ghost Module模块以减少模型参数量。通过一种空间特征融合机制,提高特征的尺度不变性。融合了结构重参化的思想,增加训练深度,实现多分支训练,单分支推理,更好地提升模型的推理性能。提出的方法在PASCAL VOC2007和COCO两种常用的目标检测数据集上进行评估,平均精度为54.1%,优于RetinaNet的平均精度,实验结果表明,提出的方法推理时所占的内存为170.71MByte,是RetinaNet所占内存的44.27%,表明提出的算法在保证精度的前提下极大提高网络的推理速度。
关键词
机器视觉
目标检测
优
化
RetinaNet
特征融合
轻量
化
结构重参化
Keywords
machine vision
target detection
optimized RetinaNet
feature fusion
lightweight
structure reparameterization
分类号
TB96 [机械工程—光学工程]
在线阅读
下载PDF
职称材料
题名
改进YOLOv5的轻量化红外交通目标检测
被引量：
3
3
作者
邓楷文
葛晨阳
机构
西安交通大学人工智能学院
出处
《计算机工程与应用》
CSCD
北大核心
2023年第12期184-192,共9页
基金
国家自然科学基金仪器课题(61627811)
陕西省自然科学基金(2021JZ-04)
+1 种基金
陕西省重点研发高校联合项目(2021GX-LH-Z-093)
陕西省技术创新引导专项(2021QFY01-03)。
文摘
针对如何提高在复杂场景下红外目标检测性能以及如何平衡算法的轻量化与精确度等问题,提出了一种基于YOLOv5的轻量化红外目标检测算法。该算法设计一种融合并行卷积的Ghost特征提取模块,利用结构重参化的思想,在推理时将模型简化,降低模型的复杂度且加快推理速度;同时对网络进行剪枝,增加了小目标检测层,提高了模型对复杂场景的检测性能;在特征融合模块设计了一种混洗Ghost模块,将Ghost特征和标准卷积特征进行混洗,尽可能减少Ghost特征对网络性能的负面影响;设计了一个解耦检测头模块,将分类与检测任务进行分解,提高了网络在复杂环境下的定位检测能力。实验结果表明,与YOLOv5s相比,提出的算法mAP提高了4.7个百分点,参数量降低了42.7%,推理延时减少了8.5%,能够在检测性能和轻量化上达到理想平衡。
关键词
红外目标检测
YOLOv5
幽灵网络
结构重参化
Keywords
IR object detection
YOLOv5
ghost net
structural re-referencing
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于大核重参U-Net的遥感影像变化检测
吴潮宇
杨斌
《计算机工程》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于优化RetinaNet的自适应特征融合的轻量化目标检测方法
张立国
季鑫烨
章玉鹏
耿星硕
张升
《计量学报》
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
3
改进YOLOv5的轻量化红外交通目标检测
邓楷文
葛晨阳
《计算机工程与应用》
CSCD
北大核心
2023
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
